DiffsFormer: A Diffusion Transformer on Stock Factor Augmentation
创建于 更新于
摘要
本报告针对股票预测中数据稀缺、低信噪比和数据同质性问题，提出基于扩散模型与Transformer结构的DiffsFormer进行因子增强。通过源域大规模训练及编辑目标域样本，实现知识迁移和数据多样化提升，显著改善了CSI300和CSI800数据集上的预测年化收益率，提升分别达7.2%和27.8%。此外，利用无监督条件引导和损失引导机制，有效控制回归模型波动性并提高稳定性，为量化投资数据增强提供新思路。[page::0][page::1][page::6][page::8][page::10][page::11][page::12]
